一种智能电动铲运机控制方法技术

本发明专利技术涉及铲运机自动控制的技术领域，公开了一种智能电动铲运机控制方法，包括：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定；对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路；构建铲运机智能控制模型；利用粒子群算法对铲运机智能控制模型进行优化，得到最优铲运机智能控制模型，并利用最优铲运机智能控制模型对铲运机进行行驶控制，并利用电机节能控制方法控制能源消耗。本发明专利技术所述方法通过对矿洞内的道路进行识别，根据识别得到的道路利用最优铲运机智能控制模型对铲运机进行行驶控制以及节能控制，从而实现铲运机的智能控制，自动进行矿物运输。行矿物运输。行矿物运输。

【技术实现步骤摘要】
一种智能电动铲运机控制方法


[0001]本专利技术涉及铲运机自动控制的
，尤其涉及一种智能电动铲运机控制方法。

技术介绍

[0002]目前，地下铲运机的主流产品还是传统的柴油发动机做为动力源的产品，电动铲运机分为两种产品，一种是外接地面电源的电动铲运机，通过电缆连接地面电源，驱动电机，电机为铲运机的动力源。第二种是在铲运机上安装电池，电池为电机提供能源，电机做为铲运机的动力源。电池铲运机在国内矿山领域还未得到广泛的应用，国外及国内各大厂商都尚处于研发实验阶段，控制系统的研究也处于探索测试阶段，主要是电机在各种工况下的控制方法，需要对各种工况的精细研究，从节能的角度出发，找寻最合适的控制方法。
[0003]同时铲运机多用于地下采矿，用于将矿物从洞内往外输送，现有的输送方式以人工驾驶为主，但是人工驾驶效率低，且存在安全隐患。
[0004]针对该问题提出一种面向铲运机的控制方法，以及面向电池铲运机的节能控制方法，从而实现铲运机的智能控制以及自动进行矿物运输。

技术实现思路

[0005]本专利技术提供一种智能电动铲运机控制方法，目的在于(1)实现矿洞内道路识别；(2)实现利用最优铲运机智能控制模型对铲运机进行行驶控制；(3)实现电池铲运机的节能控制。
[0006]实现上述目的，本专利技术提供的一种智能电动铲运机控制方法，包括以下步骤：
[0007]S1：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定；
[0008]S2：对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路；
[0009]S3：构建铲运机智能控制模型，铲运机智能控制模型以上述道路识别结果和当前铲运机行驶信息为输入，以铲运机控制动作为输出；
[0010]S4：利用粒子群算法对铲运机智能控制模型进行优化，得到最优的铲运机智能控制模型，并利用模型对铲运机进行行驶控制，直到铲运机到达指定作业位置；在铲运机行驶以及执行铲运作业时，利用电机节能控制方法控制能源消耗。
[0011]作为本专利技术的进一步改进方法：
[0012]所述S1步骤中，在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定，包括：
[0013]对铲运机头部相机获取的道路图像进行相机标定，所获取道路图像的尺寸为M
×
N像素，所述相机标定流程为：
[0014]将相机的光心O作为相机坐标原点，相机坐标原点的坐标表示为(x0,y0，z0)，则道
路图像中像素点(x,y)在物理坐标系下的实际位置坐标(x
′
,y
′
)为：
[0015][0016][0017]其中：
[0018]d
x
为像素点(x,y)在x轴的增量；
[0019]d
y
为像素点(x,y)在y轴的增量；
[0020]在本专利技术一个具体实施例中，本专利技术将道路图像中的像素坐标映射到物理坐标系下的实际坐标。
[0021]所述S2步骤中，对相机标定后的道路图像进行灰度化的预处理，包括：
[0022]利用灰度化方法对相机标定后的道路图像进行预处理，将道路图像像素的RGB颜色分量转换为灰度值，得到道路图像的灰度图，所述灰度化方法的公式为：
[0023]Gray
(i,j)
＝R
(i,j)
×
0.314+G
(i,j)
×
0.591+B
(i,j)
×
0.113
[0024]其中：
[0025]R
(i,j)
,G
(i,j)
,B
(i,j)
分别为道路图像像素(i,j)在R，G，B三个颜色分量中的颜色值；
[0026]Gray
(i,j)
为像素(i,j)的灰度值。
[0027]所述S2步骤中，利用灰度化方法对相机标定后的道路图像进行预处理后，对灰度化处理后的道路图像进行二值化的预处理，包括：
[0028]对道路图像的灰度图进行二值化的预处理，所述二值化预处理的流程为：
[0029]1)计算道路图像灰度图的平均灰度：
[0030][0031][0032]其中：
[0033]M
×
N像素为灰度图的大小；
[0034]k表示灰度图的灰度级；
[0035]ρ(k)为灰度级为k的像素出现的概率；
[0036]n(k)为灰度级为k的像素出现的个数；
[0037]2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将灰度图分成前景和背景，则背景灰度值为：
[0038][0039]背景数比例为：
[0040][0041]前景灰度值为：
[0042][0043]前景数比例为：
[0044][0045]3)计算前景和背景的方差：
[0046]σ＝w
b
×
(μ
b
‑
μ)2+w
f
×
(μ
f
‑
μ)2[0047]通过对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值为最佳分割阈值，并以最佳分割阈值进行灰度图的二值化分割处理，得到预处理完成的道路图像。
[0048]所述S2步骤中，利用道路识别算法识别预处理后道路图像中的道路，包括：
[0049]利用道路识别算法识别道路图像中的道路，所述道路识别算法流程为：
[0050]1)将道路图像转换为道路图像像素矩阵A，其中A(i,j)表示道路图像像素矩阵中第i行第j列的像素值，在本专利技术一个具体实施例中，A(i,j)同时表示道路图像中坐标为(i,j)的像素的像素值；对道路图像像素矩阵A进行腐蚀处理：
[0051][0052]其中：
[0053]A表示道路图像像素矩阵A；
[0054](x,y)表示图像像元；
[0055]B表示腐蚀矩阵，所采用的腐蚀矩阵为：
[0056][0057]将B在A上顺序移动，当B平移到A的位置(i,j)时，若B在(i,j)处完全被包含在矩阵A内，则将输出结果对应的位置(i,j)赋值为1，否则赋值为0；
[0058]2)对腐蚀后的道路图像像素矩阵进行膨胀处理：
[0059][0060]其中：
[0061]A
′
表示腐蚀后的道路图像像素矩阵；
[0062]C表示膨胀矩阵，所采用的膨胀矩阵为：
[0063][0064]将B平移到A的(x,y)位置；若B在(x,y)处与A
′
的交集不为空，则将输出结果对应的(x,y)赋值为1，否则赋值为0；
[0065]3)将经过腐蚀膨胀后的道路图像像素矩阵转换为道路图像，此时道路图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能电动铲运机控制方法，其特征在于，所述方法包括：S1：在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定；S2：对相机标定后的道路图像进行预处理，利用道路识别算法识别预处理后道路图像中的道路；S3：构建铲运机智能控制模型，铲运机智能控制模型以上述道路识别结果和当前铲运机行驶信息为输入，以铲运机控制动作为输出；S4：利用粒子群算法对铲运机智能控制模型进行优化，得到最优的铲运机智能控制模型，并利用模型对铲运机进行行驶控制，直到铲运机到达指定作业位置；在铲运机行驶以及执行铲运作业时，利用电机节能控制方法控制能源消耗。2.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述S1步骤中，在铲运机头部安装相机，利用相机获取矿洞内部实时的道路图像，并对所获取的道路图像进行相机标定，包括：对铲运机头部相机获取的道路图像进行相机标定，所获取道路图像的尺寸为M
×
N像素，所述相机标定流程为：将相机的光心O作为相机坐标原点，相机坐标原点的坐标表示为(x0,y0,z0)，则道路图像中像素点(x,y)在物理坐标系下的实际位置坐标(x
′
,y
′
)为：)为：其中：d
x
为像素点(x,y)在x轴的增量；d
y
为像素点(x,y)在y轴的增量。3.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述S2步骤中，对相机标定后的道路图像进行灰度化的预处理，包括：利用灰度化方法对相机标定后的道路图像进行预处理，将道路图像像素的RGB颜色分量转换为灰度值，得到道路图像的灰度图，所述灰度化方法的公式为：Gray
(i,j)
＝R
(i,j)
×
0.314+G
(i,j)
×
0.591+B
(i,j)
×
0.113其中：R
(i,j)
,G
(i,j)
,B
(i,j)
分别为道路图像像素(i,j)在R，G，B三个颜色分量中的颜色值；Gray
(i,j)
为像素(i,j)的灰度值。4.如权利要求3所述的一种智能电动铲运机控制方法，其特征在于，所述S2步骤中，利用灰度化方法对相机标定后的道路图像进行预处理后，对灰度化处理后的道路图像进行二值化的预处理，包括：对道路图像的灰度图进行二值化的预处理，所述二值化预处理的流程为：1)计算道路图像灰度图的平均灰度：
其中：M
×
N像素为灰度图的大小；k表示灰度图的灰度级；ρ(k)为灰度级为k的像素出现的概率；n(k)为灰度级为k的像素出现的个数；2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将灰度图分成前景和背景，则背景灰度值为：背景数比例为：前景灰度值为：前景数比例为：3)计算前景和背景的方差：σ＝w
b
×
(μ
b
‑
μ)2+w
f
×
(μ
f
‑
μ)2通过对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值为最佳分割阈值，并以最佳分割阈值进行灰度图的二值化分割处理，得到预处理完成的道路图像。5.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述S2步骤中，利用道路识别算法识别预处理后道路图像中的道路，包括：利用道路识别算法识别道路图像中的道路，所述道路识别算法流程为：1)将道路图像转换为道路图像像素矩阵A，其中A(i,j)表示道路图像像素矩阵中第i行第j列的像素值；对道路图像像素矩阵A进行腐蚀处理：其中：A表示道路图像像素矩阵A；(x,y)表示图像像元；
B表示腐蚀矩阵，所采用的腐蚀矩阵为：将B在A上顺序移动，当B平移到A的位置(i,j)时，若B在(i,j)处完全被包含在矩阵A内，则将输出结果对应的位置(i,j)赋值为1，否则赋值为0；2)对腐蚀后的道路图像像素矩阵进行膨胀处理：其中：A
′
表示腐蚀后的道路图像像素矩阵；C表示膨胀矩阵，所采用的膨胀矩阵为：将B平移到A的(x,y)位置；若B在(x,y)处与A
′
的交集不为空，则将输出结果对应的(x,y)赋值为1，否则赋值为0；3)将经过腐蚀膨胀后的道路图像像素矩阵转换为道路图像，此时道路图像中保留的白线为识别出的道路边缘，两条白线的内部区域为道路区域。6.如权利要求1所述的一种智能电动铲运机控制方法，其特征在于，所述S3步骤中，构建铲运机智能控制模型，包括：以识别出的道路区域和当前铲运机行驶信息为输入，以铲运机控制动作为...

【专利技术属性】
技术研发人员：李达，刘仕辉，高正，张义，郑成博，
申请(专利权)人：青岛中鸿重型机械有限公司，
类型：发明
国别省市：